PulseAugur
中
实时 10:00:23
English(EN) Unified Pedestrian Path Prediction Using Inverse Reinforcement Learning

新框架增强了自动驾驶汽车的行人路径预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的行人路径预测框架，这对于自动驾驶汽车和驾驶员辅助系统的安全至关重要。该方法改编了时空图注意力网络（STGAT），并引入了针对STGAT定制的特定状态和动作定义。该框架支持各种策略类型和决策场景，并利用REINFORCE和近端策略优化等强化学习算法。实验表明，与标准的监督学习方法相比，这些重新制定的学习任务在基准数据集上提高了预测性能，这表明优化决策过程和训练目标可以改进先进的预测架构。 AI

影响 这项研究通过增强自动驾驶汽车预测行人运动的能力，有望提高其安全系统。

排序理由 该集群包含一篇详细介绍行人路径预测新模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架增强了自动驾驶汽车的行人路径预测能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · \v{S}imon Sukup, Ariyan Bighashdel, Pavol Jancura ·

    基于逆强化学习的统一行人路径预测

    arXiv:2608.15929v1 Announce Type: new Abstract: Pedestrian path prediction is crucial for enhancing the safety of autonomous vehicles and advanced driver-assistance systems. Previous studies explored different learning-task formulations for pedestrian path prediction and compared…

相关实体

相关话题